01 一个让所有市场总监沉默的数字
694,000 次浏览。
一篇 X Article，发布三天，将近 70 万阅读量。不是 Elon Musk 的推文，不是某家大公司的公告，是一个叫 GRITCULT 的账号，写的一篇叫《营销已死，Distribution Engineer 万岁》的长文。1.5K 点赞，235 次转发，55 条回复。
这些数字本身不算什么。但回复的质量很特别。大量回复来自在科技公司做增长、市场、GTM 的从业者，他们的语气和普通吃瓜围观不一样——有人在愤怒，有人在焦虑，更多人在问「那我现在该怎么办」。
我自己第一次看到这篇文章，是因为 Timeline 里有人转了。我以为又是那种「AI 会改变一切」的宏大叙事，那种文章每周都有，看完点个赞就过去了。我正准备划走，看到了一个词：Anthropic。
然后我把文章重新从头读了一遍。因为 Anthropic 不是一家会随便被拿来当标题营销的公司。3800 亿美元估值，全球最顶级的 AI 研究机构之一，是 Claude 背后的那家公司。如果这篇文章里关于他们的描述是真的——哪怕是部分真实——那它传达的信息就非常、非常具体，让你没有办法再用「AI 还没成熟」或者「这只是极少数天才」来打发掉它。
GRITCULT 的 X Article：694K 浏览，引发大量市场从业者讨论
02 Anthropic 的那个数字，让我看完沉默了很久
Anthropic。当前估值 3800 亿美元。世界上最重要的 AI 公司之一，Claude 的制造者。
他们的整个增长营销运营，在某段时间里，是一个人做的。
一个人，不是「一个很小的团队」，不是「精简到三人」，就是一个人，cover 了 10 个月的全部增长营销工作：付费搜索广告、付费社交广告、App Store 优化、邮件营销、SEO。没有外包，没有兼职。
他是怎么做到的？
① 数据进 Claude。把所有广告数据导出成 CSV：点击率、CPM、转化率、消耗金额，全部丢进 Claude Code。让 Claude 分析，标出哪些广告表现差，生成新的文案变体。
② 任务专门化的子 agent。把工作拆成两个子 agent：一个只写标题（上限 30 字符），一个只写描述（上限 90 字符）。每个 agent 聚焦单一任务、约束清晰，输出质量远高于「一个提示词搞定所有」。这是把软件工程的「单一职责原则」用到了 AI 工作流里。
③ Figma 插件自动出图。做了一个 Figma 插件，把 Claude 生成的所有文案自动套入广告模板，批量生成可直接发布的物料。每批 0.5 秒，单次最多 100 个变体。原来 2 小时的工作，压缩到 15 分钟，创意量扩大 10 倍。
④ MCP 服务器对接 Meta Ads 实时数据。做了一个连接 Meta Ads API 的 MCP 服务器。不打开任何 dashboard，不手动拉报告，直接向 Claude 问「这周哪些广告表现最好？」「我在哪里浪费了预算？」，得到来自实时数据的真实回答。
⑤ 自我演化的记忆系统。把每一次假设和实验结果全部记录。下一批广告生成时，Claude 自动调取历史成功与失败记录，在积累中复利演化。
Anthropic 增长 Lead 的 Agent 系统架构：五个模块构成自我演化的分发系统
一个人，10 个月，创意输出量超过大多数完整市场团队。这不是在夸张，这是一个特定的、有名有姓的公司里，发生的真实事情。
03 「Marketing」这个词本身，就是思维的障碍
GRITCULT 在文章里说了一句让我觉得很准确的话：
「Marketing 这个词本身就是问题。它描述的是一个动作——你在营销。但在 AI 时代，你可以把'执行这个动作'这件事，交给一个永远在线的 AI agent。用 19 世纪的思维方式来理解这件事，根本讲不通。」
传统意义上的「做市场」，描述的是一套劳动密集型工作——写内容、做创意、投放广告、看数据、调整策略。这套流程天然需要人手来填充，所以你有市场团队、内容团队、增长团队。
现在 AI 把这个流程里「执行」的部分大幅度压缩了。留下来的是：判断力。对人性的理解。对「什么能让一个真实的人在互联网上停下来、看进去、然后告诉朋友」这个问题的清晰认知。
这件事本身变难了，不是变容易了。但运转它的机器，变了。
我把这个案例和身边几个做过增长的朋友聊过。大多数人第一反应是「这太厉害了」，然后沉默了一会儿，说「但是我不会写代码」。这是一个很有意思的反应。因为这个 Anthropic 的增长 lead，根据文章里的描述，也并非传统意义上的软件工程师。他做的那些东西——Claude Code 提示词链、Figma 插件、MCP server（连接外部 API 的自定义中间件服务器）——用的工具，是 Claude Code、Cursor，以及大量的试错和迭代。这不是需要计算机科学学位的工作，这是需要工程思维的工作。
04 一个还没有官方名字的职位
GRITCULT 给这个角色起了个名字：Distribution Engineer（分发工程师）。高级版叫 Chief Distribution Officer。
这个职位在大多数公司里还没有这个 title。你在招聘网站上搜不到，HR 不知道怎么评估，薪资区间还没有形成行业共识。它的存在先于它的名字。
这个人是这样工作的：不跑广告投放，而是搭建跑广告的 agent 系统。不手写文案，而是构建生成、测试、迭代数百个文案变体的流水线。不在任何 SaaS dashboard 里刷数据，而是用 MCP server 让 AI 直接拿实时数据回答问题。不做一次性创意执行，而是构建能自我演化的分发基础设施。
基础设施，不是投放活动。系统，不是单次执行。持续进化，不是一次收工。
为什么 a16z 在疯狂做自己的内容渠道？为什么 YC、Sequoia 这些机构都开始建媒体矩阵？不是因为他们要转型成媒体公司，是因为他们意识到：谁掌握受众的注意力，谁就掌握定价权。而 Distribution Engineer 就是那个负责构建和维护这种掌控能力的人。
05 四个层级，大多数人卡在最低一层
文章里引用了一个来自 Anthropic 增长团队总结的框架，把「如何用 AI 做分发」分成了四个层级。这个框架清晰到让人有些不舒服，因为当你对号入座的时候，大概率会发现自己卡在第一层。
Anthropic 增长团队总结的四个层级框架
第一层：把你已经在做的事情自动化。报告自动生成、文案初稿自动写、数据自动拉。六个月内，所有人都会到这一层，它不会给你带来任何竞争优势。这就像 2010 年前后每家公司都「会用 Excel 了」，没有人会因为这个说自己在数字化转型。
第二层：把 AI 用作真正的思维伙伴。用公司内部数据、历史投放记录、竞品调研，构建一个专属知识库。让多个模型——Claude、GPT、Gemini——并行跑，对一个粗糙的想法提供 10 条基于真实数据的执行路径。这一层需要主动建设。大多数传统市场从业者卡在这里，因为他们是执行者，是「在营销」的人，而不是构建系统的人。
第三层：把之前因为 ROI 不划算而做不了的事情做掉。在所有广告组里挖掘否定词。实时追踪每一个竞品的动态。把每次线上活动的内容转化成符合品牌调性的文章，每周更新。这些工作在优化清单里一直存在，但没有人有时间做。Distribution Engineer 有时间——因为他搭了不需要睡觉的 agent。ROI 阈值在这一层发生了根本性的改变。
第四层：构建只有你自己才会做的工具。你的业务有它专属的数据结构、专属的工作流程、专属的边界情况，没有任何通用 SaaS 能完全覆盖。在这个层级构建的人，才是在真正建立护城河的人。每一个自定义工具都是别人无法轻易复制的优势积累。ROI 在这里复利，差距在这里拉开。
Distribution Engineer 活在第三层和第四层。
06 最危险的人，现在是谁
构建能力 + 人群心理学理解 + 个人受众渠道。三者同时出现在一个人身上。
GRITCULT 说，现在最值得招募的人，是那些有自己大量粉丝、又懂技术、又能同时理解「构建」和「传播」两个世界的人。雇他们，不只是要他们的劳动，而是要租用他们已经建立好的渠道。
Cluely 就是典型案例——那段时间几乎没有人真正清楚他们的产品功能，但所有人都知道他们在哪里、他们有多响。分发先于产品，已经不是比喻了。
为什么 a16z 在疯狂做自己的内容渠道？为什么每家有能力的公司都在想「媒体化」？原因很简单：在一个产品可以被快速复制的时代，谁掌握受众，谁就掌握生死线。
这里有一个很残酷的现实：传统工程师的态度是「我不懂营销，那是别的部门的事」。传统市场人的态度是「我不会写代码，那需要让工程师来」。两种态度，在 2026 年今天，都是在慢慢把自己变成不必要的人。
GRITCULT 说的一句话让我反复想了几遍：「现在最有价值的技能，是学习能力。如果你能学，你就能适应。而 AI 可以教你。」
Claude Code 免费可用。Cursor 存在。放在人类历史上，建立技术能力的门槛前所未有地低。而且这个门槛不会再变低了——不是因为它会停止下降，而是因为下个月它会更低，届时别人已经早一步开始了，而你还在等。
我身边有几个做市场的朋友，今年开始认真学用 Claude Code，他们的第一个反应不是「哇好厉害」，而是「我之前那么多年在干什么」。不是自我否定，是对新可能性由衷的震撼。
07 对我们意味着什么
我看完这篇文章，第一反应不是焦虑，是一种奇怪的清晰感。
在深思圈，我们花了很多时间讨论「AI 对各个行业的影响」，但大多数时候这些讨论停留在抽象层面：岗位减少、效率提升、职能边界模糊。这篇文章让这件事变得具体了。它不是在说「将来会怎样」，它是在说「一个人已经这么做了，而且数据在这里」。
被替代的不是职业，是用旧方式运作某个职业的人。Anthropic 那个增长负责人没有被 AI 替代，他用 AI 让自己变成了一支队伍。他不是在「用 AI 做市场」，他是在工程化整个分发系统，然后让系统替他运转。
这种转变比我们通常描述的「AI 工具提效」要深得多。提效是「同样的事情，做得更快」。他在做的事情，是「只有一个人，却让一件以前需要十个人的事情发生」。这是量级的变化，不只是速度的变化。
「Distribution Engineer」这个职位名称，也许还要一两年才会变成企业里被普遍认可的 title。但这种人，已经在各个公司里出现了。他们可能叫「增长负责人」，叫「AI 应用工程师」，叫「创始人本人」，或者什么头衔都没有，就是那个每天在 Cursor 和 Claude Code 里搭系统的人。
用不了多久，当一家公司说「我要招一个增长负责人」的时候，求职者要回答的第一个问题，可能不再是「你过去做了什么投放」，而是「你现在搭了什么系统，你的 agent 栈是什么样的，你的实验记忆系统怎么运转」。能回答这些问题的人，会拿到比增长总监更高的价码。而不能回答的人，那个岗位本身可能也快不需要了。
这并不是一场轰轰烈烈的革命，而是一批具备工程思维的人，正在悄悄地重写分发系统。他们不会在 LinkedIn 上大声宣布自己「转型了」。他们只是在某个周末，默默搭建起第一个 agent，随后不断完善，逐步形成完整的系统。某一天，他们的系统开始自己运转，他们有了更多时间思考更高层的决策。
这就是真正的转变发生的样子。安静的，看起来不像革命，直到有一天，旧的方式已经彻底不够用了。
数据来源：@GRITCULT X Article，694K 浏览，2026年4月15日
相关链接：
• 原文：https://x.com/GRITCULT/status/2044378810489913809
文章来自于"深思SenseAI"，作者 "深思圈"。